基于延迟坐标状态空间重构的短期交通流预测研究

交通系统是一个有人参与的，时变的，开放的复杂巨系统，具有高度的非线性和不确定性。混沌理论研究非线性动力学系统随时间变化的规律，本文尝试用混沌理论对交通流进行分析和预测。本文首先对交通流特性进行了分析，给出了交通流基本参数流量-速度-占有率的关系，并得出交通流特性平日和周末不同，应分别进行分析和预测的结论。本文分别用互信息法和G-P算法确定了重构和空间中的重要参数（时间延迟，嵌入维和相关维），在此基础上重构延迟坐标状态空间，并用基于相空间重构的加权一阶局域预测法进行短期交通流预测，预测时间间隔为5分钟。用从上海延安路高架桥的感应线圈采集到的每隔5分钟的交通流数据进行验证，得到的预测结果和实际数据的误差很小，精度较高。因此，基于延迟坐标状态空间重构的短期交通流预测的方法是可行的。且结论是可信的。

关于含延迟坐标系统镇定混沌的算法

基于极点配置推导出含延迟坐标系统镇定嵌入混沌吸引子中不稳定不动点的ＯＧＹ控制算法和预迭代控制算法，从而具体地揭示了极点配置与控制混沌镇定方案之间的联系．

适用于高必要嵌入维的混沌时间序列预测算法

针对现有的混沌时间序列预测算法─—延迟坐标状态空间重构法不能对必要嵌入维较高的奇异吸引子进行有效预测问题，分析表明了高嵌入维时预测精度下降的原因在于重构空间的全局Lyapunov指数谱的变化.通过引入仿射变换，改善了高维重构空间的全局Lyapunov指数谱的性状，并由此给出了适用于高必要嵌入维的预测算法.仿真结果很好地支持了这一设想.

一种应用K-L变换改进相空间重构的方法

在对单变量输出时间序列用延迟坐标状态空间法进行相空间重构基础上,提出对重构后的相空间再作K-L变换的改进方法。采用这种方法能够在保留原信号绝大部分能量的前提下,完全去除重构相空间中各个向量之间的相关性,更好地恢复原动力系统的特征。

基于非线性动力学分析的车辆运行状态参数数据特征辨识

考虑到车辆运行状态参数时间序列不仅呈现随机性,有些还呈现混沌特性,因此,有必要对其参数数据特征进行正确辨识,以区分其参数时间序列是随机的还是混沌的。应用延迟坐标状态空间重构和最大李雅普诺夫(Lyapunov)指数法进行了非线性动力学分析,对车辆运行状态参数数据的有效信息进行深层提取。研究结果表明,由G-P算法求解得到的饱和关联维数是非整数,且最大Lyapunov指数大于零,两者综合表征此序列是混沌时间序列。因此,依据辨识结果选择适宜方法进行后继研究更具科学性。